پیش بینی تقاضا در زنجیره تامین با استفاده از الگوریتم های یادگیری ماشین ) مورد مطالعه شرکت ایران خودرو (

thesis
abstract

یک تحقیق نشان داد که پیش بینی ضعیف تقاضا و ضعف هماهنگی و اطمینان بین اعضا زنجیره تامین، باعث تغییرات نامنظم سفارشات در بازه های زمانی مختلف میشود. دلیل این مشکل این است که هر عضو زنجیره تامین سفارشات و تصمیمات را با یک دید منفعت طلبانه شخصی به طرف بالای زنجیره تامین انتقال میدهد که این پدیده منجر به موجودیهای اضافه در تمام قسمتهای زنجیره تامین خواهد شد. این پدیده، اثر شلاق چرمی نام دارد که به تغییرات نامنظم سفارشات در طی زنجیره تامین اطلاق می شود. این اثر برای اولین بار به وسیله پروکتل و گمبل در ارتباط با یکی از محصولاتشان مشاهده و شناخته شد. این پژوهش بر آن است تا با استفاده از یافته های قبلی در مورد علل ایجاد اثر شلاقی(شلاق چرمی) در زنجیره تامین، نسبت به کاهش اثر این پدیده از طریق پیش بینی مقدار صحیح تقاضای مشتریان، بوسیله الگوریتم های یادگیری ماشین اهتمام ورزد. در این پژوهش ابتدا مفاهیم زنجیره تامین و سپس علل ایجاد اثر شلاقی مطرح شده و سپس از طریق الگوریتمهای هوش مصنوعی سعی در پیش بینی مقدار صحیح تقاضا شده و در انتها، خطای این پیش بینی ها با یکدیگر مقایسه میشود. در این پژوهش روشهایی جهت کاهش اثر شلاقی در زنجیره تامین شرکت ایران خودرو از طریق پیش بینی مقدار صحیح تقاضای مشتریان با استفاده از تکنیکهای یادگیری ماشین (الگوریتم های شبکه عصبی ، ماشین بردار پشتیبان و نوار هموار ) ارائه شده که در این روشها با استفاده از تقاضای سابق مشتری تقاضای آینده او پیش بینی میشود. برای مقایسه این تکنیکها به دو شاخص زمان اجرا و خطای مقدار میانگین استناد شده است. جامعه آماری شامل داده های تقاضای واقعی و تقاضای تغییر یافته خوردوهای لوگان(ال 90)، پژو 206 و سمند می باشد. پژوهش نشان می دهدکه برای تمامی نمونه ها روش شبکه عصبی کمترین مقدار خطا و روش نوار هموار کمترین زمان اجرا را دربین این سه روش دارا میباشد.

similar resources

پیش بینی تقاضا در زنجیره تامین با استفاده از الگوریتم های یادگیری ماشین (مورد مطالعه: زنجیره تامین شرکت ایران خودرو)

Abstract—the purpose of this paper is to compare two artificial intelligence algorithms for forecasting supply chain demand. In first step data are prepared for entering into forecasting models. In next step, the modeling step, an artificial neural network and support vector machine is presented. The structure of artificial neural network is selected based on previous researchers' results. For ...

full text

ارائه مدل ارزیابی کارایی هزینه های تولید در زنجیره تامین ناب با استفاده از رویکرد ساختاری تفسیری (مورد مطالعه: شرکت ایران خودرو)

هدف پژوهش حاضر ارائه مدلی برای ارزیابی کارایی هزینه های تولید شرکت ایران خودرو با محوریت زنجیره تامین ناب و با استفاده از رویکرد ساختاری تفسیری است. روش مورد نظر، کیفی- کمی بوده که در بخش کیفی با انجام مصاحبه با خبرگان تعداد 17 متغیر استخراج و در بخش کمی برای مدل سازی از روش مدل سازی ساختاری تفسیری (ISM) بهره گرفته و سپس تحلیل میک مک انجام گرفت. یافته‎ها بدست آوردن مدلی پنج سطحی بود...

full text

تعیین مسیر حرکت خودروها در بارانداز متقاطع با استفاده از الگوریتم ژنتیک: مورد مطالعه شرکت ایران خودرو

بارانداز متقاطع یکی از ابزارهای ناب سازی لجستیک بوده که برای یکی کردن بارها درطول حلقه هایجایگزینی از آن استفاده می شود. بارانداز متقاطع، فرایند حرکت محصول از طریق مراکز توزیع، بدون انبارشمی باشد. یکی از مواردی که تاثیر زیادی بر هزینه های بارانداز متقاطع دارد، مساله تعیین مسیر حرکتV ( خودروها RP (در محیط بیرونی بارانداز متقاطع میباشد. هدف از این مقاله ارائه مدلی جهت کمینه کردنمجموع مسافت طی توس...

full text

طراحی مدلی جهت پیش بینی عملکرد آموزشی کارشناسان بخش صنعت (مورد: مرکز تحقیقات شرکت ایران خودرو)

هدف پژوهش حاضر طراحی مدلی برای پیش بینی عملکرد آموزشی کارشناسان مرکز تحقیقات شرکت ایران خودرو است در این راستا با توجه به نظام آموزشی مرکز تحقیقات ایران خودرو چهار مدل رگرسیونی و چهار مدل مسیر به دست آمد نمونه مورد بررسی 206 نفر اعضای دوره ای بوده که در سال 1380 در مرکز تحقیقات شرکت ا یران خودرو در دوره های آموزشی شرکت داشته اند برای گرد آوری داده ها از پرسشنامه اثر بخشی و بانک اطلاعات آموزش مر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه سمنان - دانشکده اقتصاد و علوم اداری

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023